想要学好金融学，这项技能你必须了解！

随着信息技术的发展

数据存储已不再像以往那样困难

人类记录的数据也越来越多

数据挖掘技术能帮助我们对海量数据

进行整合、归纳和分析

即从浩瀚的数据海洋中提取有价值的知识

是数据挖掘研究的方向

这一点，尤其是在企业的发展中显得

尤为重要

那么，数据挖掘有哪些特点

才能完成对于数据如此复杂的处理

在经济金融方面又有哪些应用

才能让各大企业对其如此重视

数据挖掘的特点

数据的类型可以是结构化的、半结构化的，甚至是异构型的。发现知识的方法可以是数学的、非数学的，也可以是归纳的。最终被发现了的知识可以用于信息管理、查询优化、决策支持及数据自身的维护等。

数据挖掘的对象可以是任何类型的数据源。可以是关系数据库，此类包含结构化数据的数据源；也可以是数据仓库、文本、多媒体数据、空间数据、时序数据、Web数据，此类包含半结构化数据甚至异构性数据的数据源。

发现知识的方法可以是数字的、非数字的，也可以是归纳的。最终被发现的知识可以用于信息管理、查询优化、决策支持及数据自身的维护等。

数据挖掘在金融中的应用

1数据挖掘在金融业CRM中的应用

金融行业的业务特点决定了它必然要处理海量的数据,激烈的行业竞争决定了它对信息化领域有着更为迫切的要求。

数据挖掘技术可以帮助金融企业公司获取最有价值的客户,然后针对客户特点采取独特的产品或市场营销战略,以求获得最佳收益。

2数据挖掘在防范金融风险中的研究应用

如何有效地利用和处理大量的数据已成为当今世界共同关心的问题。随着数据库技术、人工智能、数理统计和并行计算等技术的发展与融合,数据挖掘技术应运而生。

建立集中的数据仓库存贮,定期采集的联机业务数据,日常管理业务数据和外部数据,提供查询,联机分析,和数据挖掘等多种工具,为金融界分析研究宏观市场环境,竞争对手,客户,产品和服务渠道提供智能化管理分析系统和决策辅助手段。同时,该系统的实现对于防范和打击金融风险活动,也具有重要的现实意义。

3数据挖掘在供应链金融风险控制中的应用

"供应链金融"是近年来金融机构针对供应链上下游企业提供的一种全新的金融业务,这项业务在银行方面也存在一定的风险。

针对由经销商造成的还款风险,利用数据挖掘技术获得一组低还款能力经销商的特征属性。金融机构能据此识别不同还款能力的经销商,并针对不同经销商制定不同的金融政策以控制和规避金融风险。

翰林精选·哥伦比亚大学经济金融项目

翰林本期课题： 大数据挖掘在金融学中的应用  ，哥伦比亚大学教授将亲自带你进行科研探究，初步了解数据挖掘的概念以及其在经济学中的重要应用。